22831 पेपर
यह शोध पत्र एक नवीन सम-वर्ग (sum-of-squares) आधारित आयामी न्यूनीकरण तकनीक प्रस्तुत करता है जो गैर-गोलाकार गॉसियन मिश्रणों के कुशल क्लस्टरिंग को सक्षम बनाता है, जो पिछले अत्याधुनिक तरीकों की तुलना में काफी बेहतर नमूना और समय जटिलता के साथ, ऐसे वितरणों के एक व्यापक वर्ग के लिए ज्ञात सांख्यिकीय क्वेरी और सम-वर्ग निचली सीमाओं को प्रभावी ढंग से दरकिनार करता है।
यह शोध पत्र प्रीट्रेन्ड एक्टिग्राफी ट्रांसफॉर्मर (PAT) को प्रस्तुत करता है, जो NHANES वियरेबल डेटा पर प्रशिक्षित एक ओपन-सोर्स फाउंडेशन मॉडल है, जो मानसिक स्वास्थ्य परिणामों की भविष्यवाणी करने में मौजूदा डीप लर्निंग बेसलाइन से काफी बेहतर प्रदर्शन करता है और दैनिक गतिविधि पैटर्न में व्याख्यात्मक अंतर्दृष्टि प्रदान करता है।
यह शोध पत्र जनरेटिव मॉडल्स को अनुकूलित और प्रस्तुत करके ज़ीरो-शॉट एनवायर्नमेंटल साउंड क्लासिफिकेशन की अल्प-अन्वेषित चुनौती को संबोधित करता है, विशेष रूप से यह प्रदर्शित करता है कि क्लास ऑक्जिलरी डेटा पर आधारित एक नवीन डिफ्यूजन मॉडल कई ऑडियो डेटासेट्स में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
OP-LoRA एक नवीन पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो प्रशिक्षण के दौरान LoRA वेट्स की भविष्यवाणी करने के लिए अस्थायी रूप से एक सहायक MLP का उपयोग करती है, जिससे मौजूदा दृष्टिकोणों की तुलना में शून्य अनुमान लागत (inference cost) और अधिक वास्तुशिल्प लचीलापन प्रदान करते हुए अनुकूलन स्थिरता और प्रदर्शन में सुधार होता है।
यह शोधपत्र LeARN को प्रस्तुत करता है, जो एक नवीन सिस्टम आइडेंटिफिकेशन फ्रेमवर्क है जो मेटा-लर्निंग और एक हल्के डीप न्यूरल नेटवर्क का लाभ उठाकर डेटा से बेसिस फंक्शन्स को स्वचालित रूप से सीखने और अनुकूलित करने के लिए, पारंपरिक SINDy विधियों की डोमेन-विशिष्ट ज्ञान संबंधी सीमाओं को पार करते हुए गैररेखीय डायनेमिकल सिस्टम्स के मॉडलिंग में प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि अंडरसैंपल किए गए असंतुलित डेटा पर प्रशिक्षित ट्री-आधारित मॉडलों को विश्लेषणात्मक रूप से कैलिब्रेट करने से अविश्वसनीय प्रवलता अनुमान और अप्रत्याशित पूर्वाग्रह उत्पन्न होते हैं, और इसके बजाय बीटा कैलिब्रेशन जैसी लर्निंग-आधारित कैलिब्रेशन विधियों के उपयोग का तर्क देता है।
यह शोध पत्र एक प्रशिक्षण-मुक्त, गणनात्मक रूप से कुशल भारित नमूनाकरण (weighted sampling) ढांचे का प्रस्ताव करता है जो प्रीट्रेंड स्कोर-आधारित जनरेटिव मॉडलों को एक हल्के मार्गदर्शन शब्द (guidance term) और एक अनिश्चितता-जागरूक शेड्यूलर के साथ संवर्धित करके उन्हें लाभान्वित करता है, जिससे बिना किसी महंगी पुन: नमूनाकरण (resampling) या हेसियन मूल्यांकन (Hessian evaluations) की आवश्यकता के महत्वपूर्ण गति और अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह स्थिति पत्र तर्क देता है कि एआई (AI) स्थिरता के आर्थिक और सामाजिक आयामों, विशेष रूप से समान संसाधन पहुंच और पर्यावरणीय प्रभाव के बीच के तनाव की उपेक्षा करना, एक वैश्विक एआई हथियारों की दौड़ को बढ़ावा देता है, और वास्तव में टिकाऊ एआई के लिए इन कारकों को सुसंगत बनाने हेतु क्लाइमेट एंड रिसोर्स अवेयर मशीन लर्निंग (CARAML) ढांचे के साथ-साथ एक मार्क्सवादी-प्रेरित विश्लेषण का प्रस्ताव देता है।
यह शोध पत्र तर्क देता है कि ऑटोरेग्रेसिव (autoregressive) और डिफ्यूजन (diffusion) मॉडलों के बीच का पारंपरिक द्वैत भ्रामक है, और इसके बजाय यह प्रस्तावित करता है कि जनरेटिव प्री-ट्रेनिंग को मौलिक एल्गोरिद्मिक सीमाओं को दूर करने के लिए प्रशिक्षण उद्देश्यों का चयन करने से पहले अनुक्रम विस्तार (sequence expansion) और अवस्था परिष्करण (state refinement) के लिए कुशल अनुमान प्रक्रियाओं को डिजाइन करने को प्राथमिकता देनी चाहिए।
यह शोध पत्र GIFT प्रस्तुत करता है, जो एक ऐसा ढांचा है जो ज्यामिति-आधारित इंटरेक्शन ट्रांसफर के लिए फंक्शनल मैप्स और सुचारू पथ निर्माण के लिए स्क्रू इंटरपोलेशन का लाभ उठाकर, रोबोटों को एकल मानव प्रदर्शन से नए ऑब्जेक्ट्स के लिए जटिल हेरफेर कौशल को सामान्य बनाने में सक्षम बनाता है।